Penerapan Microexpressions Untuk Mengenali Hubungan Kekerabatan Menggunakan Extreme Learning Machine
Application of Microexpressions to Recognize Kinship Using Extreme Learning Machine
DOI:
https://doi.org/10.57152/malcom.v1i2.101Keywords:
color features, ELM, kinship, microexpressionAbstract
Dalam dunia computer vision, riset tentang ekspresi wajah sudah dicoba oleh Chinese Academy of Sciences MicroExpression (CASME). Riset tersebut membuat basis informasi yang ada sebagian foto ekspresi wajah yang bertujuan buat menolong riset di bidang computer vision tentang ekspresi mikro. Dalam pelaksanaanya penelitian MicroExpression ini berhenti dalam pengembanganya dan tidak berlanjut untuk kemudian dikembangkan dalam penelitian berikutnya. Kinship ialah salah satu sebutan“ kekerabatan” dalam salah satu spesies. Tujuan dari pemodelan kinship ini merupakan buat memastikan apakah 2 orang saling terhubung dan saling terikat (bersaudara) Sebagian besar metode kekerabatan yang ada mengasumsikan bahwa setiap pasangan citra dengan citra wajah positif (dengan citra yang menegaskan kekerabatan) memiliki skor yang lebih besar untuk kelompok citra kekerabatan non-negatif. Dalam penelitian ini penulis mengembangkan penelitian mengenai MicroExpression ini untuk dikembangkan dalam penelitian di bidang Kinship atau hubungan kekerabatan, dengan menggunakan MicroExpression sebagai parameternya dan menggunakan citra mulut sebagai ekstraksi khusus dalam pengambilan citra pada parameter Microexpressionya, dengan menggunakan beberapa fitur dan metode yakni klasifikasi dengan Extreme Learning Machine dan ekstraksi fitur dengan Color Features menghasilkan beberapa hasil nilai akurasi pada ELM dan Microexpression berturut-turut yakni 80,06% dan 76,31%.
References
Alvarez, G. A. (2011). Representing multiple objects as an ensemble enhances visual cognition. Trends in Cognitive Sciences, 15(3), 122–131.
Anonim, “What is Facial Recognition? - Definition from Techopedia”, Techopedia.com, https://www.techopedia.com/definition/32071/facialrecognition, 27 Agustus 2018.
Derry Alamsyah, Dicky Pratama ‘Implementasi Convolutional Neural Networks (Cnn) Untuk Klasifikasi Ekspresi Citra Wajah Pada Fer-2013 Dataset’ P-ISSN 2580-7927| E-ISSN 2615-2738
G.-. B. Huang, Q.-. Y. Zhu and C.-. K. Siew, "Extreme Learning Machine : Theory and Applications," Extreme Learning Machine : Theory and Applications, pp. 490-501, 2006.
Kavitha Chaduvula, Dr A Govardhan ’Image Retrieval Based On Color and Texture Features of the Image Sub-blocks’ International Journal of Computer Applications (0975 – 8887) Volume 15– No.7, February 2011
D. Purwitasari, O. P. Putri, and W. N. Khotimah, “Aturan Asosiasi Dengan Standar Storet Pada Model Prediksi Parameter Pendukung Uji Kualitas Air Baku,” J. Inf. Syst. Eng. Bus. Intell., vol. 1, no. 1, pp. 1–8, 2015.
J. Lu, J. Hu, V. E. Liong, X. Zhou, A. Bottino, I. U. Islam, T. F. Vieira, X. Qin, X. Tan, S. Chen, S. Mahpod, Y. Keller, L. Zheng, K. Idrissi, C. Garcia, S. Duffner, A. Baskurt, M. Castrill´on-Santana, and J. Lorenzo-Navarro. The fg 2015 kinship verification in the wild evaluation. In 2015 11th IEEE International Conference and Workshops on Automatic Face and Gesture Recognition (FG), volume 1, pages 1–7, May 2015.
Paper, C. and Pietik, M. (2015) ‘Facial Micro-Expression Recognition using Spatiotemporal Local Binary Pattern with Integral Projection Facial Micro-Expression Recognition using Spatiotemporal Local Binary Pattern’, (November). Doi: 10.1109/ICCVW.2015.10.
